---------------------- Redis 性能管理 ----------------------------------------

----- 查看Redis内存使用 -----
info memory

redis-cli -a 'abc123' info memory

----- 内存碎片率 -----

used_memory_rss：是Redis向操作系统申请的内存。
used_memory：是Redis中的数据占用的内存。
mem_fragmentation_ratio：内存碎片率。
mem_fragmentation_ratio = used_memory_rss / used_memory
used_memory_peak：redis内存使用的峰值。
内存碎片如何产生的？
Redis内部有自己的内存管理器，为了提高内存使用的效率，来对内存的申请和释放进行管理。
Redis中的值删除的时候，并没有把内存直接释放，交还给操作系统，而是交给了Redis内部有内存管理器。
Redis中申请内存的时候，也是先看自己的内存管理器中是否有足够的内存可用。
Redis的这种机制，提高了内存的使用率，但是会使Redis中有部分自己没在用，却不释放的内存，导致了内存碎片的发生。

Redis请求了一堆内存空着不用，也不还给操作系统，俗称占着茅坑不拉屎。

跟踪内存碎片率对理解Redis实例的资源性能是非常重要的
●内存碎片率在1到1.5之间是正常的，这个值表示内存碎片率比较低，也说明 Redis 没有发生内存交换。
●内存碎片率超过1.5，说明Redis消耗了实际需要物理内存的150%，其中50%是内存碎片率。
●内存碎片率低于1的，说明Redis内存分配超出了物理内存，操作系统正在进行内存交换。需要增加可用物理内存或减少 Redis内存占用。
解决碎片率大的问题
如果你的Redis版本是4.0以下的，需要在 redis-cli 工具上输入 shutdown save 命令，让 Redis 数据库执行保存操作并关闭 Redis 服务，再重启服务器。Redis服务器重启后，Redis会将没用的内存归还给操作系统，碎片率会降下来。

Redis4.0版本开始，可以在不重启的情况下，线上整理内存碎片。
config set activedefrag yes     #自动碎片清理，内存就会自动清理了。
memory purge                    #手动碎片清理

----- 内存使用率 -----

redis实例的内存使用率超过可用最大内存，操作系统将开始进行内存与swap空间交换。

避免内存交换发生的方法
●针对缓存数据大小选择安装 Redis 实例（内存大多装几个Redis实例，内存小就少装）
●尽可能的使用Hash数据结构存储（hash 散列占用空间小）
●设置key的过期时间（设置过期时间用不到的key不让他浪费空间）

----- 内回收key -----

内存数据淘汰策略，保证合理分配redis有限的内存资源

当达到设置的最大阀值时，需选择一种key的回收策略，默认情况下回收策略是禁止删除。

配置文件中修改 maxmemory-policy 属性值

vim /usr/local/redis/conf/redis.conf

--1149--
maxmemory-policy noenviction #最大内存时key的淘汰策略
●volatile-lru：从已设置过期时间的数据集合中 使用LRU算法淘汰数据(移除最近最少使用的key，针对设置了TTL的key) 
●volatile-ttl：从已设置过期时间的数据集合中 挑选即将过期的数据淘汰（移除最近过期的key）
●volatile-random：从已设置过期时间的数据集合中 随机挑选数据淘汰（在设置了TTL的key里随机移除）
●allkeys-lru：使用LRU算法从所有数据集合中淘汰数据（移除最少使用的key，针对所有的key）
●allkeys-random：从数据集合中任意选择数据淘汰（随机移除key）
●noenviction：禁止淘汰数据（不删除直到写满时报错）

其它限制相关

●maxclients #最大客户端连接数
设置redis同时可以与多少个客户端进行连接。
默认情况下为10000个客户端。
如果达到了此限制，redis则会拒绝新的连接请求，并且向这些连接请求方发出“max number of clients reached”以作回应。

●maxmemory #最大内存使用量
Redis使用最大内存量。建议必须设置，否则，将内存占满，造成服务器宕机。
设置redis可以使用的内存量。一旦到达内存使用上限，redis将会试图移除内部数据，移除规则可以通过maxmemory-policy来指定。
如果redis无法根据移除规则来移除内存中的数据，或者设置了“不允许移除”，那么redis则会针对那些需要申请内存的指令返回错误信息，比如SET、LPUSH等。
但是对于无内存申请的指令，仍然会正常响应，比如GET等。如果你的redis是主redis（说明redis集群有主从），那么在设置内存使用上限时，需要在系统中留出一些内存空间给同步队列缓存，只有在你设置的是“不移除”的情况下，才不用考虑这个因素。

●maxmemory-samples #LRU/最小TTL算法的采样数量
设置样本数量，LRU算法和最小TTL算法都并非是精确的算法，而是估算值，所以你可以设置样本的大小，redis默认会检查这么多个key并选择其中LRU的那个。
一般设置3到7的数字，数值越小样本越不准确，但性能消耗越小。

redis优化（面试题）

性能优化

1）设置 config set activedefrag yes 开启内存碎片自动清理，或者定时执行 memory purge 清理内存碎片
2）设置 maxmemory 指定redis占用最大内存大小，设置 maxmemory-samples 指定内存数据淘汰策略的样本数量
3）设置内存数据淘汰策略 maxmemory-policy 实现保证内存使用率不超过设置的最大内存大小
4）设置 key 的过期时间，精简键名和键值，及控制键值的大小
5）尽可能使用 Hash 数据类型存储数据，因为 Hash 类型的一个键包含多个字段，该类型的数据占用空间较小
6）合理设置 maxclients 最大客户端连接数（10000），tcp-backlog tcp监控端口的最大连接排队数（1024）， timeout 连接超时时间（30000）

安全优化
7）设置 AOF 持久化

8）部署主从复制备份数据，采用哨兵或者集群模式实现高可用
9）设置 config set requirepass 开启密码验证

缓存和数据库双写一致性问题（面试有几率问）

Redis缓存服务器要与MySQL服务器中数据保持一致。

为了实现数据的一致，可以

先更新数据库，然后再删除缓存 + 缓存做过期时间，数据过期后再有读请求可从数据库直接更新缓存，以保证数据的一致性。

1.读取数据时，先从Redis中读取，如果Redis中没有，再从MvSQL中读取，并将读取到的数据写入到Redis缓存中。
2.更新数据时，先更新MySQL数据库，再更新Redis缓存。
3.删除数据时，同样需要先删除Redis缓存，再删除MvSQL数据库。
4.对于一些关键数据，可以使用MySQL的触发器(Trigger) 来实现同步更新Redis缓存。当MySQL中的数据发生变化时，触发器可以自动将变化同步到Redis中，避免了手动操作的疏漏。
5.定期同步MySQL和Redis中的数据，以确保数据的一致性。可以使用定时任务或者其他方式定期同步两个数据源中的数据，从而保持一致。

缓存的三大问题（需要知道现象原因，解决方案可以不用管，是软件开发的业务逻辑问题）

正常情况下，大量的资源请求都会被redis响应，在redis得不到响应的小部分请求才会去请求DB，这样DB的压力是非常小的，是可以正常工作的。
缓存雪崩/击穿/穿透三大问题的根本原因在于Redis命中率下降，大量请求直接落在数据库上，导致数据库直接崩溃。

缓存雪崩：redis中大量key集体过期
缓存击穿：redis中一个热点key过期（大量用户访问该热点key，但是热点key过期）
缓存穿透：大量请求根本不存在的key

缓存雪崩

缓存同一时间大面积的过期失效，所以，后面的请求都会落到数据库上，造成数据库短时间内承受大量请求而崩掉。

解决方案
缓存数据的过期时间设置随机，防止同一时间大量数据过期现象发生。
一般并发量不是特别多的时候，使用最多的解决方案是加锁排队。（软件开发负责）
给每一个缓存数据增加相应的缓存标记，记录缓存的是否失效，如果缓存标记失效，则更新数据缓存。

缓存击穿

缓存中没有但数据库中有的数据（一般是缓存时间到期），这时由于并发用户特别多，同时读缓存没读到数据，又同时去数据库去取数据，引起数据库压力瞬间增大，造成过大压力。
和缓存雪崩不同的是，缓存击穿指并发查同一条数据，缓存雪崩是不同数据都过期了，很多数据都查不到从而查数据库。

解决方案
实时调整，监控哪些数据是热门数据，实时的调整key的过期时长
使用锁机制，加互斥锁

缓存穿透

缓存和数据库中都没有的数据，导致所有的请求都落到数据库上，造成数据库短时间内承受大量请求而崩掉。

解决方案

接口层增加校验，如用户鉴权校验，id做基础校验，id<=0的直接拦截；
对空值进行缓存。从缓存取不到的数据，在数据库中也没有取到，这时也可以将key-value对写为key-null，缓存有效时间可以设置短点，如30秒（设置太长会导致正常情况也没法使用）。这样可以防止攻击用户反复用同一个id暴力攻击
采用布隆过滤器（牠说有的数据不一定有，但是确认过没有的数据肯定没有），将所有可能存在的数据哈希到一个足够大的 bitmap 中，一个一定不存在的数据会被这个 bitmap 拦截掉，从而避免了对底层存储系统的查询压力